CN115705055A - 车辆的路径规划方法和控制装置 - Google Patents
车辆的路径规划方法和控制装置 Download PDFInfo
- Publication number
- CN115705055A CN115705055A CN202110922589.0A CN202110922589A CN115705055A CN 115705055 A CN115705055 A CN 115705055A CN 202110922589 A CN202110922589 A CN 202110922589A CN 115705055 A CN115705055 A CN 115705055A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- local path
- real
- information
- vehicles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种车辆的路径规划方法和控制装置,该方法包括:获取所述车辆的周边车辆信息,所述周边车辆包括与所述车辆即将同一方向驶入下一路段且与所述车辆距离小于第一阈值的一辆或多辆车辆;获取所述车辆通过下一路段的局部路径规划;基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度;基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径。本申请实施例提供的方案,使得车辆快速通过拥堵道路的同时,可以兼顾该道路的通畅度,从而可以使得该车辆有更好的规划能力和更优质的出行效果。
Description
技术领域
本申请涉及智能驾驶领域,尤其涉及一种车辆的路径规划方法和控制装置。
背景技术
随着智能驾驶车辆保有量的增长以及智能驾驶技术的成熟,未来将会有更多的场景需要智能驾驶能力帮助车辆通过。目前的智能驾驶技术主要用于解决如高速、高架、园区等简单路况的场景。但在可以预见的将来,市场及消费者会越来越期待城区智能驾驶的出现,而在城区(如闹市区或者无红绿灯)的道路,一旦遇到较大的车流,就很容易发生拥堵,导致车辆通行困难。
针对上述问题,一种方案是,利用多车的协同通讯,通过狭窄道路的车辆相互发送历史及当前的自车状态与控制指令,每辆车都能够了解当前道路所有车辆发送的信息,从而可以控制多个车辆协同快速通过狭窄道路。然而,该方案中,道路车辆必须遵循同样的技术规格和通讯、数据规范,保证相互之间都能够发送历史及当前的一切车辆信息。而智能驾驶车辆替代传统车辆是一个渐进的过程,难以保证道路场景所有车辆都有通讯能力,这种近乎对道路所有车辆状态近乎“全知”的方案实施成本较高。另外该方案仅考虑了安全和高效两个计算目标,追求自身利益最大化,而忽略了对道路其他车辆畅通的贡献,有可能在追求自身利益最大化的时候,反而导致道路整体通行能力的下降,甚至对车辆通行起到反作用。
另一种方案是,结合地图导航,增加对拐弯后拥堵状况的考虑,若识别到拥堵则降低采用该路线的倾向,即通过避开拥堵路段来进行路径规划。但是这种方案并没有从根本上解决拥堵路段通行的问题。如在某些情况下,有些拥堵路段无法避开,或者避开的代价极大,那么这种方案的有效性就会遇到很大的挑战。
发明内容
因此,本申请提供一种车辆的路径规划方法和控制装置,可以合理规划通行路径,既可以让自车顺利通过,又能减少对周围其它车辆通行的影响。
第一方面,提供一种车辆的路径规划方法,该方法包括:获取所述车辆的周边车辆信息,所述周边车辆包括与所述车辆即将同一方向驶入下一路段且与所述车辆距离小于第一阈值的一辆或多辆车辆;获取所述车辆通过下一路段的局部路径规划;基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度;基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径。。
本申请实施例提供的方案,通过获取的局部路径规划和计算的实时全局混乱度规划车辆的通行路径,使得车辆快速通过拥堵道路的同时,可以减少对周围其它车辆通行的影响,即可以兼顾该道路的通畅度,从而可以使得该车辆有更好的规划能力和更优质的出行效果。
结合第一方面,在一些可能的实现方式中,所述周边车辆的信息包括以下信息中的至少一个:所述周边车辆的数量、所述周边车辆的位置、所述周边车辆的姿态、所述周边车辆的类型。
结合第一方面,在一些可能的实现方式中,所述获取所述车辆通过下一路段的局部路径规划,包括:基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
本申请提供的方案,通过基于周边车辆的信息,结合贪婪寻路算法获取车辆通过下一路段局部路径规划,有利于局部路径规划的获取,从而有助于通行路径的规划。
结合第一方面,在一些可能的实现方式中,所述基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划,包括:
基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,所述实时占位栅格概率用于指示所述周边车辆出现在栅格所对应的区域的实时概率;
基于所述周边车辆的实时占位栅格概率,结合所述贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
本申请实施例提供的方案,通过周边车辆的信息确定周边车辆的实时占位栅格概率,并基于该周边车辆的实时占位栅格概率结合贪婪寻路算法获取自车的局部路径规划,可以提高局部路径规划的精准度,从而有助于通行路径的规划。
结合第一方面,在一些可能的实现方式中,所述基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,包括:
将所述周边车辆所占的栅格的实时占位栅格概率确定为第一数值;
增加所述周边车辆的车头周边部分的实时占位栅格概率至第二数值,所述第二数值大于第一数值。
本申请实施例提供的方案,通过对周边车辆的实时占位栅格概率进行调整,可以提升路径规划的有效性和可行性。
结合第一方面,在一些可能的实现方式中,所述方法还包括:
根据装载在所述车辆上的激光雷达或传感器对所述车辆的周围环境进行扫描,以确定所述周边车辆信息。
结合第一方面,在一些可能的实现方式中,所述基于获取的所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度,包括:
按照以下公式计算所述实时全局混乱度:
其中,表示采取第j种局部路径规划对应的实时全局混乱度,n为所述周边车辆的数量,i表示第i个周边车辆,ki表示第i个周边车辆的车型系数,ΔAnglei表示第i个周边车辆的横亘角度,表示第i个周边车辆在所述车辆采取第j种局部路径规划后预计堵塞的时长。
本申请实施例提供的方案,通过上述公式计算实时全局混乱度,可以较为精准地计算实时全局混乱度,进一步地,有利于车辆通行路径的规划。
结合第一方面,在一些可能的实现方式中,所述基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径,包括:
基于所述局部路径规划通过所述下一路段的预计时长和所述局部路径规划对应的实时全局混乱度规划所述通行路径,其中,所述通行路径使得所述预计时长与所述全局混乱度的和小于第二阈值。
本申请实施例提供的方案,通过根据局部路径规划通过所述下一路段的预计时长和局部路径规划对应的实时全局混乱度,可以使得车辆快速通过拥堵路口的同时,可以兼顾该路口的通畅度,从而可以防止过分激进的策略的出现,避免由于过分激进的策略导致路口更加拥堵。
结合第一方面,在一些可能的实现方式中,所述基于所述局部路径规划通过所述下一路段的预计时长和所述局部路径规划对应的实时全局混乱度规划所述通行路径,包括:
按照以下公式规划所述通行路径:
其中,V(Xj)表示采取第j种局部路径策略需要的时长与采取第j种局部路径策略后引起的全局混乱度进行归一化后的和,Xj表示采取的第j种局部路径策略,Len(Xj)表示采取第j种局部路径策略需要的时长,Mess(Xj)表示采取第j种局部路径策略后引起的全局混乱度,NLen表示Len函数的归一化系数,NMess表示Mess函数的归一化系数。
本申请实施例提供的方案,通过根据上述公式可以较为精准地规划车辆的通行路径,从而使得车辆快速通过拥堵路口的同时,可以兼顾该路口的通畅度,进一步地,可以避免由于过分激进的策略导致路口更加拥堵。
结合第一方面,在一些可能的实现方式中,所述方法还包括:
基于第一信息确定所述车辆处于拥堵道路中,所述第一信息包括以下信息中的至少一个信息:
所述车辆的轮速计、所述车辆的底盘位置的变化率、所述车辆识别的靠近的周边车辆的数量。
结合第一方面,在一些可能的实现方式中,所述基于第一信息确定所述车辆处于拥堵道路中,包括:
通过对所述第一信息所对应的数值进行加权平均确定所述车辆处于拥堵道路中。
结合第一方面,在一些可能的实现方式中,所述方法还包括:基于摄像装置获取所述车辆的周边车辆的信息。
本申请实施例提供的方案,通过摄像装置获取周边车辆的信息,可以提升规划的通行路径的有效性和可行性。
第二方面,提供一种控制装置,该控制装置包括:获取模块,用于获取所述车辆的周边车辆信息,所述周边车辆包括与所述车辆即将同一方向驶入下一路段且与所述车辆距离小于第一阈值的一辆或多辆车辆;获取所述车辆通过下一路段的局部路径规划;计算模块,用于基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度;规划模块,基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径。
结合第二方面,在一些可能的实现方式中,所述周边车辆的信息包括以下信息中的至少一个:
所述周边车辆的数量、所述周边车辆的位置、所述周边车辆的姿态、所述周边车辆的类型。
结合第二方面,在一些可能的实现方式中,所述获取模块具体用于:基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
结合第二方面,在一些可能的实现方式中,所述控制装置还包括确定模块,所述确定模块用于:
基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,所述实时占位栅格概率用于指示所述周边车辆出现在栅格所对应的区域的实时概率;
所述获取模块具体用于:基于所述周边车辆的实时占位栅格概率,结合所述贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
结合第二方面,在一些可能的实现方式中,所述确定模块具体用于:
将所述周边车辆所占的栅格的实时占位栅格概率确定为第一数值;
增加所述周边车辆的车头周边部分的实时占位栅格概率至第二数值,所述第二数值大于第一数值。
结合第二方面,在一些可能的实现方式中,所述控制装置还包括确定模块,所述确定模块用于:
根据装载在所述车辆上的激光雷达或传感器对所述车辆的周围环境进行扫描,以确定所述周边车辆信息。
结合第二方面,在一些可能的实现方式中,所述计算模块具体用于:按照以下公式计算所述实时全局混乱度:
其中,表示采取第j种局部路径规划对应的实时全局混乱度,n为所述周边车辆的数量,i表示第i个周边车辆,ki表示第i个周边车辆的车型系数,ΔAnglei表示第i个周边车辆的横亘角度,表示第i个周边车辆在所述车辆采取第j种局部路径规划后预计堵塞的时长。
结合第二方面,在一些可能的实现方式中,所述规划模块具体用于:基于所述局部路径规划通过所述下一路段的预计时长和所述局部路径规划对应的实时全局混乱度规划所述通行路径,其中,所述通行路径使得所述预计时长与所述全局混乱度的和小于第二阈值。
结合第二方面,在一些可能的实现方式中,所述规划模块具体用于:按照以下公式规划所述通行路径:
其中,V(Xj)表示采取第j种局部路径策略需要的时长与采取第j种局部路径策略后引起的全局混乱度进行归一化后的和,Xj表示采取的第j种局部路径策略,Len(Xj)表示采取第j种局部路径策略需要的时长,Mess(Xj)表示采取第j种局部路径策略后引起的全局混乱度,NLen表示Len函数的归一化系数,NMess表示Mess函数的归一化系数。
结合第二方面,在一些可能的实现方式中,所述控制装置还包括确定模块,所述确定模块具体用于:
基于第一信息确定所述车辆处于拥堵道路中,所述第一信息包括以下信息中的至少一个信息:
所述车辆的轮速计、所述车辆的底盘位置的变化率、所述车辆识别的靠近的周边车辆的数量。
结合第二方面,在一些可能的实现方式中,所述确定模块具体用于:通过对所述第一信息所对应的数值进行加权平均确定所述车辆处于拥堵道路中。
结合第二方面,在一些可能的实现方式中,所述获取模块还用于:基于摄像装置获取所述车辆的周边车辆的信息。
上述第二方面的有益效果可以参考上述第一方面,不再赘述。
第三方面,提供一种路控制器,包括至少一个存储器和至少一个处理器,所述至少一个存储器用于存储程序,所述至少一个处理器用于运行所述程序,以实现第一方面所述的方法。
第四方面,提供一种芯片,包括至少一个处理单元和接口电路,所述接口电路用于为所述至少一个处理单元提供程序指令或者数据,所述至少一个处理单元用于执行所述程序指令,以实现第一方面所述的方法或者支持所述第二方面所述的装置的功能实现。
第五方面,提供一种计算机可读存储介质,所述计算机可读介质存储用于设备执行的程序代码,该程序代码被所述设备执行时,实现第一方面所述的方法。
第六方面,提供一种终端,包括第二方面所述的控制装置,或者,第三方面所述的控制器,或者,第四方面所述的芯片。进一步,该终端可以为智能运输设备(车辆等)。
附图说明
图1是本申请实施例适用的一种车辆的功能框图。
图2是本申请实施例适用的一种智能驾驶系统的示意图。
图3是本申请实施例的一种云侧指令智能驾驶车辆的应用示意图。
图4是本申请实施例的一种智能驾驶系统的框架图。
图5是本申请实施例提供的一种用于车辆的路径规划方法的流程图。
图6是本申请实施例提供的一种拥堵路口的示意图。
图7是本申请实施例提供的一种计算激光雷达距障碍物的距离的示意图。
图8是本申请实施例提供的一种车辆通过拥堵路口的示意图。
图9是本申请实施例提供的控制装置的示意性框图。
图10是本申请实施例提供的一种控制器的示意性结构图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
图1是本申请实施例适用的一种车辆的功能框图。其中,车辆100可以是人工驾驶车辆,或者可以将车辆100配置可以为完全或部分地智能驾驶模式。
在一个示例中,车辆100可以在处于智能驾驶模式中的同时控制自车,并且可通过人为操作来确定车辆及其周边环境的当前状态,确定周边环境中的至少一个其他车辆的可能行为,并确定其他车辆执行可能行为的可能性相对应的置信水平,基于所确定的信息来控制车辆100。在车辆100处于智能驾驶模式中时,可以将车辆100置为在没有和人交互的情况下操作。
车辆100中可以包括各种子系统,例如,传感系统110、智能驾驶系统120以及控制系统130。
可选地,车辆100可以包括更多或更少的子系统,并且每个子系统可包括多个元件。另外,车辆100的每个子系统和元件可以通过有线或者无线互连。
示例性地,传感系统120可以包括感测关于车辆100周边的环境的信息的若干个传感器。例如,传感系统120可以包括惯性测量单元(inertial measurement unit,IMU)、雷达、激光测距仪以及传感器等。
示例性地,雷达可以利用无线电信息来感测车辆100的周边环境内的物体,如本申请所涉及的周边局部障碍物(如周边车辆)的相关信息。在一些实施例中,除了感测物体以外,雷达还可用于感测物体的速度和/或前进方向。示例性地,激光测距仪可以利用激光来感测车辆100所位于的环境中的物体。示例性地,传感器可以包括视觉传感器等,该视觉传感器可以获取车辆周边的障碍物信息,用于局部路径规划。
如图1所示,控制系统130为控制车辆100及其组件的操作。示例性地,该控制系统130可以操作来调整车辆100的前进方向,该前进方向可以通过本申请规划的通行路径确定。示例性地,如规划的通行路径左转向前行,则可以通过方向盘系统左转向。
可选地,车辆100可以是在道路行进的智能驾驶汽车,可以识别其周围环境内的物体以确定对当前路径的调整。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等,本申请实施例不做特别的限定。
在一种可能的实现方式中,上述图1所示的车辆100可以是智能驾驶车辆,下面对智能驾驶系统的进行详细描述。
图2是本申请实施例适用的一种智能驾驶系统的示意图。
如图2所示的智能驾驶系统包括计算机系统201,其中,计算机系统201包括处理器203,处理器203和系统总线205耦合。处理器203可以是一个或者多个处理器,其中,每个处理器都可以包括一个或多个处理器核。显示适配器207(video adapter),显示适配器可以驱动显示器209,显示器209和系统总线205耦合。系统总线205可以通过总线桥211和输入输出(I/O)总线213耦合,I/O接口215和I/O总线耦合。I/O接口215和多种I/O设备进行通信,比如,输入设备217(如:键盘,鼠标,触摸屏等),媒体盘221(media tray)。收发器223可以发送和/或接受无线电通信信息,摄像头255可以捕捉景田和动态数字视频图像。其中,和I/O接口215相连接的接口可以是通用串行总线(universal serial bus,USB)端口225。
如图2所示,硬盘驱动接口和系统总线205耦合,硬件驱动器接口231可以与硬盘驱动器233相连接,系统内存235和系统总线205耦合。运行在系统内存235的数据可以包括操作系统237和应用程序243。
示例性地,传感器253可以与计算机系统201关联,传感器253可以用于探测计算机201周围的环境。
举例来说,传感器253可以探测路上的车道,比如可以探测到车道线,并能够在车辆移动(如正在行驶)过程中实时跟踪到车辆前方一定范围内的车道线变化。又例如,传感器253可以探测其周围可能存在的动物,汽车,障碍物和人行横道等,进一步传感器还可以探测上述动物,汽车,障碍物和人行横道等物体周围的环境。
可选地,如果计算机201位于智能驾驶的汽车上,传感器可以是摄像头,红外线感应器,化学检测器,麦克风等。
示例性地,在智能泊车的场景中,传感器253可以用于探测车辆周围的库位和周边障碍物的尺寸或者位置,从而使得车辆能够感知库位和周边障碍物的距离,在泊车时进行路径规划,尽可能地让该车辆顺利通行,又能减少对周围其它车辆通行的影响。
在一个示例中,图1所示的计算机系统150还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者,从车辆100的传感系统120收集的传感器数据可以被转移到另一个计算机对此数据进行处理,下面以图3为例进行介绍。
图3是本申请实施例的一种云侧指令智能驾驶车辆的应用示意图。
如图3所示,来自计算机系统312的数据可以经由网络被传送到云侧的服务器320用于进一步的处理。
在一个示例中,服务器320可以包括具有多个计算机的服务器,例如负载均衡服务器群,为了从计算机系统312接收、处理并传送数据的目的,其与网络的不同节点交换信息。该服务器可以被类似于计算机系统312配置,具有处理器330、存储器340、指令350、和数据360。
示例性地,服务器320的数据360可以包括车辆周围道路情况的相关信息(如车辆周围的其它车辆信息以及障碍物信息)。例如,服务器320可以接收、检测、存储、更新、以及传送与车辆道路情况相关的信息。
图4是本申请实施例的一种智能驾驶系统的框架图。该智能驾驶系统可以对应上述图1中的智能驾驶系统120。
在一种可能的实现方式中,如图4所示,智能驾驶系统可以包括环境感知模块、决策规划模块。
其中,环境感知模块可以根据传感器(也可以是雷达、激光测距仪等)获取该车辆周围的环境信息(如周边车辆等)。决策规划模块可以根据环境感知模块输出的结果规划车辆下一路段的通行路径(行驶角度及行驶速度等)。此外,车辆还可以包括车辆控制模块,车辆控制模块可以根据规划的通行路径控制车辆的行驶,尽可能地让该车辆顺利通行,又能减少对周围其它车辆通行的影响,以实现智能驾驶。
随着智能驾驶车辆保有量的增长以及智能驾驶技术的成熟,未来将会有更多的场景需要智能驾驶能力帮助车辆通过。目前的智能驾驶技术主要用于解决如高速、高架、园区等简单路况的场景。但在可以预见的将来,市场及消费者会越来越期待城区智能驾驶的出现,而在城区(如闹市区或者无红绿灯)的道路,一旦遇到较大的车流,就很容易发生拥堵,导致车辆通行困难。
针对上述问题,一种方案是,利用多车的协同通讯,通过狭窄道路的车辆相互发送历史及当前的自车状态与控制指令,每辆车都能够了解当前道路所有车辆发送的信息,从而可以控制多个车辆协同快速通过狭窄道路。然而,该方案中,道路车辆必须遵循同样的技术规格和通讯、数据规范,保证相互之间都能够发送历史及当前的一切车辆信息。而智能驾驶车辆替代传统车辆是一个渐进的过程,难以保证道路场景所有车辆都有通讯能力,这种近乎对道路所有车辆状态近乎“全知”的方案实施成本较高。另外该方案仅考虑了安全和高效两个计算目标,追求自身利益最大化,而忽略了对道路其他车辆畅通的贡献,有可能在追求自身利益最大化的时候,反而导致道路整体通行能力的下降,甚至对车辆通行起到反作用。
另一种方案是,结合地图导航,增加对拐弯后拥堵状况的考虑,若识别到拥堵则降低采用该路线的倾向,即通过避开拥堵路段来进行路径规划。但是这种方案并没有从根本上解决拥堵路段通行的问题。如在某些情况下,有些拥堵路段无法避开,或者避开的代价极大,那么这种方案的有效性就会遇到很大的挑战。
本申请主要应用于拥堵道路,通过获取的局部路径规划和计算的实时全局混乱度规划车辆的通行路径,使得车辆快速通过拥堵道路的同时,可以减少对周围其它车辆通行的影响,即可以兼顾该道路的通畅度,从而可以使得该车辆有更好的规划能力和更优质的出行效果。
下文将结合图5详细描述本申请的方案。如图5所示,为本申请实施例提供的一种车辆的路径规划方法500,该方法500可以包括步骤S510-S540。
S510,获取所述车辆的周边车辆信息,所述周边车辆包括与所述车辆即将同一方向驶入下一路段且与所述车辆距离小于第一阈值的一辆或多辆车辆。
需要说明的是,本申请实施例中的周边车辆包括与车辆(可以理解为自车)即将驶入同一方向且距离小于第一阈值的车辆,则周边车辆可以包括来自不同方向行驶的车辆。
如图6所示,为本申请实施例提供的一种拥堵路口的示意图。参考图6,假设图中的A车为本申请的车辆,从图中可以看出,B车和C车即将驶入的方向与A车即将驶入的方向一致,且与A车的距离(该距离可以理解为B车或C车与A车之间最近的距离)较小,则该A车的周边车辆可以包括B车和C车。
本申请实施例中的第一阈值可以为1米(m)或2米(m),对此不作限定。应理解,所示出的第一阈值的数值仅为举例说明,还可以为其它数值,不应对本申请造成特别限定。
可选地,在一些实施例中,所述周边车辆的信息包括以下信息中的至少一个:所述周边车辆的数量、所述周边车辆的位置、所述周边车辆的姿态、所述周边车辆的类型。
其中,周边车辆的位置可以理解为相对于自车的位置,如位于自车的前方,左侧,右侧等;周边车辆的姿态可以理解为相对于自车车头的姿态,如周边车辆的车头与自车车头相近或相背等;周边车辆的类型可以包轿车、货车、客车等。
S520,获取所述车辆通过下一路段的局部路径规划。
车辆的全局路径是指车辆从起点到达目的地的路径,可以包括多个路段。对每个路段的路径规划分别构成每个路段对应的局部路径规划。车辆的全局路径规划是由每个路段的路径规划构成。车辆在当前位置计划通过下一路段时,会进行针对下一路段的局部路径规划。局部路径规划可以包括一种或多种路径规划策略,每种路径规划策略可以包括车辆的一步或多步行驶规划,使得车辆根据一步或多步行驶规划可以通过相应路段。其中,行驶规划包括了车辆的行驶方向,例如,左,右,前进,或者后退等,行驶规划还可以包括行驶时长或者行驶距离,例如,向左行驶10米,又例如,前进2分钟等。一种可能的实现方式中,局部路径规划中一种路径策略可以包括多步行驶规划,例如向左行驶10米,向前50米等,则车辆可以向左行驶10米,并且进行向前50米,从而通过对应的路段。本申请实施例中的局部路径规划可以理解为车辆每进行下一操作前所规划的路径。示例性地,假设某一车辆即将通过拥堵的十字路口,也就是下一路段为拥堵十字路口,局部路径规划可以包括向左行驶,向右行驶,或者,向前行驶等,可以先进行一个局部的路径规划,确定如何行驶对其自身快速通行该拥堵路口有利。至于如何规划,可以参见下文中关于获取所述车辆的局部路径规划的相关内容。
S530,基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度。
本申请实施例中的实时全局混乱度可以实时表征某一路口或某一路段的混乱情况。如,对于某一路口的任一车辆来说,若该车辆的周边车辆较多且该车辆采取某一行动后使得周边车辆难以进一步行驶,导致该车辆所在的路口堵塞的时长较长,则该路口的全局混乱度较高;若该车辆的周边车辆较少且该车辆采取某一行动后使得周边车辆可以进一步行驶,使得该车辆所在的路口堵塞的时长较短,则该路口的全局混乱度较低。
本申请实施例中的实时全局混乱度可以包括一个或多个,若上述步骤S530中的局部路径规划包括一种路径规划策略,则该实时全局混乱度为该一种路径规划所对应的实时全局混乱度;若上述步骤S530中的局部路径规划包括多种路径规划策略,则该实时全局混乱度包括该多种路径规划中每一种路径规划所对应的实时全局混乱度。
S540,基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径。
本申请实施例中的通行路径即为局部路径规划中的路径,若上述步骤S530中的局部路径规划包括一种路径规划策略,则通行路径即为该路径规划策略所对应路径;若上述步骤S530中的局部路径规划包括多种路径规划策略,则通行路径即为该多种路径策略中其中一种路径策略所对应路径。至于如何确定该其中一种路径策略,可以结合每一种路径规划和该路径规划对应的实时全局混乱度确定,在规划的过程中,其核心思想是,一方面尽可能使得自车快速通过拥堵道路,另一方面,自车在行使的过程中,尽可能保持道路通畅,即尽量降低道路的全局混乱度,具体内容请参考下文中涉及的基于局部路径规划和局部路径规划对应的实时全局混乱度规划车辆通过下一路段的通行路径的相关内容。
值得注意的是,自车在拥堵情况下视野与感知能力有限,可能感知到的也确实是周边相邻的车辆,因此,本申请实施例的核心思想采用局部迭代,即自车在拥堵道路情况下从当前位置出发,不断对周边车辆进行感知与计算,一边行驶一边迭代,直至行驶出拥堵道路。
本申请实施例提供的方案,通过获取的局部路径规划和计算的实时全局混乱度规划车辆的通行路径,使得车辆快速通过拥堵道路的同时,可以减少对周围其它车辆通行的影响,即可以兼顾该道路的通畅度,从而可以使得该车辆有更好的规划能力和更优质的出行效果。
上文在步骤S520中指出,获取所述车辆通过下一路段的局部路径规划。关于获取车辆通过下一路段的局部路径规划的相关内容具体请参考下文。
所述获取所述车辆通过下一路段的局部路径规划,包括:
基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
本申请实施例中的周边车辆的信息即包括上文中提及的周边车辆的数量、位置、姿态、类型等。由于周边车辆的存在,对自车的下一路段的局部路径的规划有所影响,因此,可以基于周边车辆的信息,并结合贪婪寻路算法进行规划。本申请实施例中,采用贪婪寻路算法意在寻找自车快速通过拥堵道路的路径,即该路径在所有可能通过该拥堵道路的路径中的用时最短。
应理解,本申请实施例中,虽然结合贪婪寻路算法旨在寻找车辆通过下一路段的用时最短的局部路径,但是也可以保留其它非最短时长的局部路径,因为有可能其它非最短时长的局部路径所对应的实时全局混乱度较低,从而,可以从多种局部路径规划中选择一种时长非最短但全局混乱度较低的路径。
此外,需要说明的是,在一些实施例中,也可以基于周边车辆的信息,并结合其它寻优算法获取自车的局部路径规划,对此不做具体限制。
本申请提供的方案,通过基于周边车辆的信息,结合贪婪寻路算法获取车辆通过下一路段的局部路径规划,有利于局部路径规划的获取,从而有助于通行路径的规划。
可选地,在一些实施例中,所述基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划,包括:
基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,所述实时占位栅格概率用于指示所述周边车辆出现在栅格所对应的区域的实时概率;
基于所述周边车辆的实时占位栅格概率,结合所述贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
本申请实施例中,栅格位置可以基于栅格地图确定,其中,栅格地图是指由栅格组成的地图图像数据。其基本构图单元是栅格,又称像素或像元,像素的尺寸决定了栅格地图的分辨率。参考上述图6,图中所示出的众多个小格子所组成的地图可以为本申请中的栅格地图,至于地图中所划分的每一个小格子的面积的大小,本申请对此不作限制。但可以理解的是,每一个小格子的面积越小,所规划的局部路径越精准。
在栅格地图确定的基础上,实时占位栅格概率指的是栅格位置有障碍物的实时概率,可以理解为某个栅格被占的概率。具体地,对于自车周边的其它车辆,这些车辆可以认为是障碍物,则对应这些车辆的位置的栅格的占位概率较高;对于自车周边位置没有车辆的栅格,其所对应的占位概率较低。
在确定周边车辆的实时占位栅格概率的基础上,自车可以结合贪婪寻路算法进行局部路径规划,即通过不断迭代进行路径寻优,其核心思想是快速通过拥堵道路,保证自车的通行效率。在具体规划局部路径的过程中,对于占位概率较高的栅格,可以尽可能避免规划的局部路径包括该栅格对应的位置;对于占位概率较低甚至为0的栅格,规划的局部路径可以包括该栅格对应的位置。
本申请实施例提供的方案,通过周边车辆的信息确定周边车辆的实时占位栅格概率,并基于该周边车辆的实时占位栅格概率结合贪婪寻路算法获取自车的局部路径规划,可以提高局部路径规划的精准度,从而有助于通行路径的规划。
可选地,在一些实施例中,所述基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,包括:
将所述周边车辆所占的栅格的实时占位栅格概率确定为第一数值;
增加所述周边车辆的车头周边部分的实时占位栅格概率至第二数值,所述第二数值大于第一数值。
本申请实施例中的第二数值大于第一数值,即周边车辆的车头部分的实时占位栅格概率大于周边车辆所在位置的实时占位栅格概率。
示例性地,如上述图6所示,假设图中所示的A车为自车,则该A车周边可以包括B车和C车,即A车的周边车辆包括B车和C车。对于C车来说,该C车自身所在的位置所占的栅格的占位概率可以设置为0.4,该C车的车头周边部分的栅格(即图中示出的C车车头的阴影部分)的占位概率可以设置为0.9;类似地,对于B车来说,该B车自身所在的位置所占的栅格的占位概率可以设置为0.3,该B车的车头周边部分的栅格(暂未示出)的占位概率可以为设置为0.8。
可以理解的是,由于车头的方向决定整个车辆的行驶方向,因此,沿车头方向的栅格是占位概率大于车辆本身所在位置的占位栅格概率。
本申请实施例提供的方案,通过对周边车辆的实时占位栅格概率进行调整,可以提升路径规划的有效性和可行性。
可选地,在一些实施例中,所述方法500还包括:
根据装载在所述车辆上的激光雷达或传感器对所述车辆的周围环境进行扫描,以确定所述周边车辆信息。
本申请实施例中的周边车辆的信息可以根据装载在自车上的激光雷达或传感器获取,具体地,该激光雷达或传感器可以对自车周边的环境进行扫描,以确定自车周边的车辆信息,如周边车辆的数量、位置、姿态、类型等。
本申请实施例中,可以通过装载在自车上的激光雷达或传感器计算障碍物(即周边车辆)的信息,进一步地,可以根据该信息确定上文中所涉及的周边车辆的实时占位栅格概率。
如图7所示,为本申请实施例提供的一种计算激光雷达距障碍物的距离的示意图。参考图7,其中,激光雷达位于图中所示的O点,该激光雷达可以向外发射激光,发射出去的激光碰到障碍物后可以反射回光线,被该激光雷达所接收。假设图中所示的左上角阴影部分为障碍物,位于O点的激光雷达向外发射激光后,部分激光碰到该障碍物后反射回光线,被该激光雷达所接收,从而该激光雷达可以大致计算出该障碍的位置。
具体地,可以通过以下公式进行计算。
上文步骤S530中指出,基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度。关于基于周边车辆的信息计算局部路径规划对应的实时全局混乱度的相关内容具体请参见下文。
所述基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度,包括:
按照以下公式计算所述实时全局混乱度:
其中,表示采取第j种局部路径规划对应的实时全局混乱度,n为所述周边车辆的数量,i表示第i个周边车辆,ki表示第i个周边车辆的车型系数,ΔAnglei表示第i个周边车辆的横亘角度,表示第i个周边车辆在所述车辆采取第j种局部路径规划后预计堵塞的时长,该时长可以通过车辆上的计算机视距系统、激光测距仪以及处理器共同实现。
需要说明的是,本申请实施例中的车型系数可以基于车辆的类型的不同而不同,如小轿车的车型系数小于货车的车型系数;横亘角度为车辆当前摆放的位置与即将驶入的方向的夹角。
本申请实施例计算实时全局混乱度可以通过上式公式获得。示例性地,仍然参考上述图6,仍然假设图中所示的A车为自车,则该A车周边可以包括B车和C车,即该A车周边车辆的数量为2个,且假设B车和C车的车型系数分别为1和1.5(虽然图中所示的B车和C车均为小轿车,但此处仅为假设),B车和C车的横亘角度分别为0°和45°,A车在向左行驶后B车和C车预计堵塞的时长分别为0.5分钟(min)和0.25分钟(min)。
则在上述情况下,若A车采取向左行驶策略后的全局混乱度为:
类似地,若A车采取其它局部路径规划策略,可以基于上述同样的方式计算采取该局部路径规划策略后的全局混乱度,不再赘述。
假设A车采取向左行驶一小段距离(该第一小段距离可以为1m或2m)后,A车可以基于同样的方式计算通过下一路段所采取的局部路径规划策略后的全局混乱度,结合局部路径规划确定通行路径,直至通过该拥堵路口。
本申请实施例提供的方案,通过上述公式计算实时全局混乱度,可以较为精准地计算实时全局混乱度,进一步地,有利于车辆通行路径的规划。
上述步骤S540中指出,基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划通过下一路段的通行路径,关于基于局部路径规划和实时全局混乱度规划通行路径的相关内容可以参考如下内容。
所述基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径,包括:
基于所述局部路径规划通过所述下一路段的预计时长和所述局部路径规划对应的实时全局混乱度规划所述通行路径,其中,所述通行路径使得所述预计时长与所述全局混乱度的和小于第二阈值。
本申请实施例中,可以通过局部路径规划与进行相应的操作后可能引起的全局混乱度规划通行路径。在规划的过程中,一方面,需要考虑自车通过下一路段的时长尽可能地少,另一方面,需要考虑自车进行某种操作后引起的全局混乱度尽可能地小,通过两者之间博弈可以规划出通过下一路段的通行路径。总而言之,博弈后规划的通行路径使得自车通过下一路段的时长与引起的全局混乱度的和小于第二阈值。
本申请实施例中的第二阈值可以是固定值,也可以是动态变化值,不予限制。
本申请实施例提供的方案,通过根据局部路径规划通过所述下一路段的预计时长和局部路径规划对应的实时全局混乱度规划车辆的通行路径,可以使得车辆快速通过拥堵路口的同时,可以兼顾该路口的通畅度,从而可以防止过分激进的策略的出现,避免由于过分激进的策略导致路口更加拥堵。
可选地,在一些实施例中,所述基于所述局部路径规划通过所述下一路段的预计时长和所述局部路径规划对应的实时全局混乱度,包括:
按照以下公式规划所述通行路径:
其中,V(Xj)表示采取第j种局部路径策略需要的时长与采取第j种局部路径策略后引起的全局混乱度进行归一化后的和,Xj表示采取的第j种局部路径策略,Len(Xj)表示采取第j种局部路径策略需要的时长,Mess(Xj)表示采取第j种局部路径策略后引起的全局混乱度,NLen表示Len函数的归一化系数,可以取1,NMess表示Mess函数的归一化系数,可以取100。
本申请实施例中,可以通过上述公式较为精准地规划通过下一路段的通行路径。示例性地,仍然参考上述图6,仍然假设图中所示的A车为自车,则该A车周边可以包括B车和C车,即A车的周边车辆包括B车和C车。
假设A车目前需要左拐,则一种方式是该A车可以不考虑周边任何车辆的情况直接左拐行驶,另一种方式是该A车为了避让B车和C车可以稍微后退0.5m(这种方式可能在实际中并不会操作,本申请在此仅作假设)。
若A车采取上述第一种方式,直接左拐行驶,假设A车采取该策略的行动路径需要的时长为0.5s,A车进行该策略的行动路径的混乱度为130。则A车采取该策略的需要的时长与引起的全局混乱度进行归一化后的和为:
若A车采取上述第二种方式,可以稍微后退0.5m,假设A车采取该策略的行动路径需要的时长为2.0s,A车进行该策略的行动路径的混乱度为100。则A车采取该策略需要的时长与引起的全局混乱度进行归一化后的和为:
假设本申请中的第二阈值为2.0,由于A车采取第一种方式下的博弈值为1.8,小于该第二阈值,因此,A车可以左拐行驶一小段距离。
本申请实施例提供的方案,通过根据上述公式可以较为精准地规划车辆的通行路径,从而使得车辆快速通过拥堵路口的同时,可以兼顾该路口的通畅度,进一步地,可以避免由于过分激进的策略导致路口更加拥堵。
如图8所示,为本申请实施例提供的一种车辆通过拥堵路口的示意图。其中,图中所示出的不同的标号表示不同的车辆,每个形状(包括圆形、三角形、六边形、平行四边形、梯形、菱形)后的拖尾可以表征其速度,方便可视化。
参考图8,假设图中的标号为“1”的车辆为智能驾驶车辆,该车需要从图中的左下角穿过该拥堵路口到达右上角,可以基于本申请的方法通过拥堵路口。
具体地,标号为“1”的车辆在左下角时,其周边车辆包括标识为“2”的车辆和标识为“3”的车辆,标号为“1”的车辆基于上述方法博弈出其通行路径为左拐行驶一小段距离,该车辆进行相应的操作后,此时,该车辆的周边车辆包括标号为“4”的车辆,同样地,标号为“1”的车辆基于上述方法博弈出其通行路径为暂停行驶,让标号为“4”的车辆优先行驶,待标号为“4”的车辆通过之后,标号为“1”的车辆继续左拐行驶一小段距离,此时,该车辆的周边车辆包括标号为“5”的车辆,同样地,标号为“1”的车辆基于上述方法博弈出其通行路径为左拐行驶一小段距离,该车辆进行相应的操作后,此时,该车辆的周边车辆包括标号为“6”的车辆,同样地,标号为“1”的车辆基于上述方法博弈出其通行路径为暂停行驶,让标号为“6”的车辆优先行驶,待标号为“6”的车辆通过之后,标号为“1”的车辆继续左拐行驶一小段距离,直至通过该拥堵路口。
在上述图8所示的较为混乱的场景中,全局的导航意义不大,因为图中其他的车辆会频繁地运动,导致过程中路线不断修正。因此可以采用上述局部路径规划的方式,不断迭代。采用本方案的算法可以通过不断的迭代,在自车快速到达目标终点的同时,又对路口的畅通程度不造成太大的影响,即可以同时保证自身的通行效率和路口的通行效率。
基于此,上文说明了可以通过获取的局部路径规划和实时全局混乱度规划通行路径以及具体的实施方案,下文将介绍关于确定自车处于拥堵道路的相关内容。
可选地,在一些实施例中,所述方法500还包括:
基于第一信息确定所述车辆处于拥堵道路中,所述第一信息包括以下信息中的至少一个信息:
所述车辆的轮速计、所述车辆的底盘位置的变化率、所述车辆识别的靠近的周边车辆的数量。
本申请实施例中,可以基于上述第一信息(包括自车的轮速计、底盘位置的变化率、识别的靠近的周边车辆的数量等)确定自车是否处于拥堵道路中,若是,可以基于上述方式规划通行路径。
可选地,在一些实施例中,所述基于第一信息确定所述车辆处于拥堵道路中,包括:
若所述第一信息所对应的数值进行加权平均所得到的数值大于第三阈值,则确定所述车辆处于拥堵道路中。
本申请实施例中,可以通过对上述第一信息所对应的数值进行加权平均确定自车是否处于拥堵道路中。示例性地,假设自车的轮速计检测自车的轮速长时间过慢,如轮速长时间为3m/s;自车的底盘位置的变化率较小,去底盘位置的变化率为2m/s;自车周围的车辆的数量较多,如周围车辆的数量为6。
本申请实施例,可以将上述数值进行加权平均,假设轮速计、底盘位置的变化率、周边车辆的数量这三个因素的加权系数分别为0.2、0.3、0.5,则通过对上述数值进行加权平均可以得到综合值:0.2*3+0.3*2+0.5*6=4.2。假设本申请中的第三阈值为2.0,则可以确定该车处于拥堵道路中。
本申请实施例中的第三阈值可以为固定值,也可以为动态变化值,不予限制。
需要说明的是,上文内容中所涉及的数值仅为举例说明,还可以为其它数值,不应对本申请造成特别限定。
可选地,在一些实施例中,所述方法500还包括:基于摄像装置获取所述车辆的周边车辆的信息。
本申请实施例中的摄像装置可以为摄像头,摄像头可以将收集到的视频信息或图片信息发送至车辆的无线接收器,接收器可以将该视频信息或图片信息传给处理器,处理器便可以获取到车辆的周边车辆的信息。
本申请实施例提供的方案,通过摄像装置获取周边车辆的信息,可以提升规划的通行路径的有效性和可行性。
本申请实施例提供的车辆的路径规划方法,可以适用于复杂拥堵道路场景。本申请可以不依赖全局导航的路线,通过获取周边车辆的信息不断地实时进行迭代规划局部路径,自车的运动受到的限制较少,在考虑自车可以通过当前时刻的局部周边车辆的同时,兼顾拥堵道路的混乱度,这种策略保证自车对道路畅通负有的责任,也可以防止激进的策略的出现。预计在高峰时段,可以获得40%以上的通行时间优化,对交通流的影响程度小于10%。
图9是本申请实施例提供的控制装置800的示意性框图。图9所示的控制装置800包括获取模块810、计算模块820以及规划模块830。
获取模块810、计算模块820以及规划模块830可以用于执行本申请实施例的车辆的路径规划方法,例如,上述方法500。
获取模块810可以用于:获取所述车辆的周边车辆信息,所述周边车辆包括与所述车辆即将同一方向驶入下一路段且与所述车辆距离小于第一阈值的一辆或多辆车辆;
获取所述车辆通过下一路段的局部路径规划。
计算模块820可以用于:基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度。
规划模块830可以用于:基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径。
需要说明的是,上述获取模块810主要是通过激光雷达或传感器对周边车辆的扫描,扫描结果基于自车位姿与路口栅格地图进行匹配,识别被周边车辆占用的栅格。同时结合视觉传感器对车头的识别,对车头方向增加一定的栅格占位概率,以模拟车辆的预期动作,防止车辆在迭代周期内的运动导致自车与之剐蹭。该模块的执行主体可以为激光雷达、计算单元、定位单元等。
上述计算模块820可以从摄像头获得多幅图片,对周边车辆进行识别,包括车头、车位、车辆姿态等信息进行判断。该模块的执行主体可以为视觉传感器及网卡,同时需要计算单元配合进行计算。
上述规划模块830通过预先建立的全局混乱度代价函数、全局目标点信息启发、以及前期建立的解空间,通过优化算法在解空间内进行路径寻优。通过博弈的方式,兼顾自身的利益与路口畅通度,完成一次局部路径规划。该模块的执行主体可以为CPU计算单元。
还需要说明的是,上述模块(包括获取模块810、计算模块820以及规划模块830)的核心装置为软件算法,可单独实现,也可以配合其它模块形成一套解决方案,但作为任一子模块,均无法单独实现一个完整产品,需要与其他模块依次配合,以形成一套完整的软件算法或软硬件解决方案。
此外,本申请的核心装置可以落地于带激光雷达与传感器以及计算平台时的宏观系统架构解决方案。同时以上算法也可以作为纯软件算法,单独提供售卖,仅需要对类似硬件平台进行一定适配工作。也就是说,本申请涉及的产品可以是软件算法,也可以是软硬件结合的解决方案。本申请可以落地于一些传感器丰富的智能驾驶车辆上,只需要传感器能够感知周围混乱程度、能够建立可通行的解空间即可。
可选地,在一些实施例中,所述周边车辆的信息包括以下信息中的至少一个:
所述周边车辆的数量、所述周边车辆的位置、所述周边车辆的姿态、所述周边车辆的类型。
可选地,在一些实施例中,所述获取模块810具体用于:基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
可选地,在一些实施例中,所述控制装置800还可以包括确定模块,所述确定模块用于:
基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,所述实时占位栅格概率用于指示所述周边车辆出现在栅格所对应的区域的实时概率;
所述获取模块810具体用于:基于所述周边车辆的实时占位栅格概率,结合所述贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
可选地,在一些实施例中,所述确定模块具体用于:将所述周边车辆所占的栅格的实时占位栅格概率确定为第一数值;
增加所述周边车辆的车头周边部分的实时占位栅格概率至第二数值,所述第二数值大于第一数值。
可选地,在一些实施例中,所述控制装置800还可以包括确定模块,所述确定模块用于:
根据装载在所述车辆上的激光雷达或传感器对所述车辆的周围环境进行扫描,以确定所述周边车辆信息。
可选地,在一些实施例中,所述计算模块820具体用于:按照以下公式计算所述实时全局混乱度:
其中,表示采取第j种局部路径规划对应的实时全局混乱度,n为所述周边车辆的数量,i表示第i个周边车辆,ki表示第i个周边车辆的车型系数,ΔAnglei表示第i个周边车辆的横亘角度,表示第i个周边车辆在所述车辆采取第j种局部路径规划后预计堵塞的时长。
可选地,在一些实施例中,所述规划模块830具体用于:基于所述局部路径规划通过所述下一路段的预计时长和所述局部路径规划对应的实时全局混乱度规划所述通行路径,其中,所述通行路径使得所述预计时长与所述全局混乱度的和小于第二阈值。
可选地,在一些实施例中,所述规划模块830具体用于:按照以下公式规划所述通行路径:
其中,V(Xj)表示采取第j种局部路径策略需要的时长与采取第j种局部路径策略后引起的全局混乱度进行归一化后的和,Xj表示采取的第j种局部路径策略,Len(Xj)表示采取第j种局部路径策略需要的时长,Mess(Xj)表示采取第j种局部路径策略后引起的全局混乱度,NLen表示Len函数的归一化系数,NMess表示Mess函数的归一化系数。
可选地,在一些实施例中,所述控制装置还包括确定模块,所述确定模块具体用于:
基于第一信息确定所述车辆处于拥堵道路中,所述第一信息包括以下信息中的至少一个信息:
所述车辆的轮速计、所述车辆的底盘位置的变化率、所述车辆识别的靠近的周边车辆的数量。
可选地,在一些实施例中,所述确定模块具体用于:通过对所述第一信息所对应的数值进行加权平均确定所述车辆处于拥堵道路中。
可选地,在一些实施例中,所述获取模块810还用于:基于摄像装置获取所述车辆的周边车辆的信息。
图10是本申请实施例提供的一种控制器1300的示意性结构图。
控制器1300包括至少一个处理器1310和接口电路1320。可选地,还可以包括存储器1330,存储器1330用于存储程序。
当所述程序在至少一个处理器1310中运行时,所述至少一个处理器1310用于执行前文所述的车辆的路径规划方法。
一种设计中,从功能上划分,控制装置中可以存在多个处理器,不同的处理器执行不同的控制功能,多个处理器与执行中央控制的处理器通信,以与所述处理器执行信息和数据的通信。例如,第一处理器用于获取自车的局部路径规划,第二处理器用于计算实时全局混乱度,第三处理器用于规划通行路径。
这些处理器可以为各种类型的处理器、集成电路、现场可编程门阵列FPGA等形态,本申请不具体限定,以能实现上述功能的构成形态集成在芯片上为准。为表述方便,处理单元也可以称为处理器。进一步,上述处理单元可以集成在一块芯片上或者分散在多片芯片上,本申请也不做具体限定,以具体设计为准。
本申请实施例还提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质具有程序指令,当所述程序指令被直接或者间接执行时,使得前文中的方法得以实现。
本申请实施例中,还提供了一种包含指令的计算机程序产品,当其在计算设备上运行时,使得计算设备执行前文中的方法,或者使得所述计算设备实现前文中的装置的功能。
本申请实施例还提供一种芯片系统,其特征在于,所述芯片系统包括至少一个处理单元和接口电路,所述接口电路用于为所述至少一个处理单元提供程序指令或者数据,所述至少一个处理器用于执行所述程序指令,以实现前文中的方法。
本申请实施例还提供了一种终端,包括前文所述的控制装置或控制器或芯片。进一步地,该终端可以为智能运输设备(车辆或者无人机)、智能家居设备、智能制造设备、测绘设备或者机器人等。该智能运输设备例如可以是智能导引运输车(automated guidedvehicle,AGV)、或无人运输车。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元、模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (18)
1.一种车辆的路径规划方法,其特征在于,包括:
获取所述车辆的周边车辆信息,所述周边车辆包括与所述车辆即将同一方向驶入下一路段且与所述车辆距离小于第一阈值的一辆或多辆车辆;
获取所述车辆通过下一路段的局部路径规划;
基于所述车辆的周边车辆的信息计算所述局部路径规划对应的实时全局混乱度;
基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径。
2.根据权利要求1所述的方法,其特征在于,所述周边车辆的信息包括以下信息中的至少一个:
所述周边车辆的数量、所述周边车辆的位置、所述周边车辆的姿态、所述周边车辆的类型。
3.根据权利要求1或2所述的方法,其特征在于,所述获取所述车辆通过下一路段的局部路径规划,包括:
基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
4.根据权利要求3所述的方法,其特征在于,所述基于所述周边车辆的信息,结合贪婪寻路算法获取所述车辆通过下一路段的局部路径规划,包括:
基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,所述实时占位栅格概率用于指示所述周边车辆出现在栅格所对应的区域的实时概率;
基于所述周边车辆的实时占位栅格概率,结合所述贪婪寻路算法获取所述车辆通过下一路段的局部路径规划。
5.根据权利要求4所述的方法,其特征在于,所述基于所述周边车辆的信息确定所述周边车辆的实时占位栅格概率,包括:
将所述周边车辆所占的栅格的实时占位栅格概率确定为第一数值;
增加所述周边车辆的车头周边部分的实时占位栅格概率至第二数值,所述第二数值大于第一数值。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
根据装载在所述车辆上的激光雷达或传感器对所述车辆的周围环境进行扫描,以确定所述周边车辆信息。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述基于所述局部路径规划和所述局部路径规划对应的实时全局混乱度规划所述车辆通过所述下一路段的通行路径,包括:
基于所述局部路径规划通过所述下一路段的预计时长和所述局部路径规划对应的实时全局混乱度规划所述通行路径,其中,所述通行路径使得所述预计时长与所述全局混乱度的和小于第二阈值。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述方法还包括:
基于第一信息确定所述车辆处于拥堵道路中,所述第一信息包括以下信息中的至少一个信息:
所述车辆的轮速计、所述车辆的底盘位置的变化率、所述车辆识别的靠近的周边车辆的数量。
11.根据权利要求10所述的方法,其特征在于,所述基于第一信息确定所述车辆处于拥堵道路中,包括:
通过对所述第一信息所对应的数值进行加权平均确定所述车辆处于拥堵道路中。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述方法还包括:
基于摄像装置获取所述车辆的周边车辆的信息。
13.一种控制装置,其特征在于,包括:用于执行如权利要求1至12中的任一项所述方法的模块。
14.一种控制器,其特征在于,包括至少一个存储器和至少一个处理器,所述至少一个存储器用于存储程序,所述至少一个处理器用于运行所述程序,以实现权利要求1至12中任一项所述的方法。
15.一种芯片,其特征在于,包括至少一个处理单元和接口电路,所述接口电路用于为所述至少一个处理单元提供程序指令或者数据,所述至少一个处理单元用于执行所述程序指令,以实现权利要求1至12中任一项所述的方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读介质存储用于设备执行的程序代码,该程序代码被所述设备执行时,实现如权利要求1至12中任一项所述的方法。
17.一种终端,其特征在于,所述终端包括如权利要求13所述的控制装置,或者,如权利要求14所述的控制器,或者,如权利要求15所述的芯片。
18.如权利要求17所述的终端,其特征在于,所述终端为智能运输设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110922589.0A CN115705055A (zh) | 2021-08-12 | 2021-08-12 | 车辆的路径规划方法和控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110922589.0A CN115705055A (zh) | 2021-08-12 | 2021-08-12 | 车辆的路径规划方法和控制装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115705055A true CN115705055A (zh) | 2023-02-17 |
Family
ID=85180842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110922589.0A Pending CN115705055A (zh) | 2021-08-12 | 2021-08-12 | 车辆的路径规划方法和控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115705055A (zh) |
-
2021
- 2021-08-12 CN CN202110922589.0A patent/CN115705055A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11802969B2 (en) | Occlusion aware planning and control | |
US11048265B2 (en) | Occlusion aware planning | |
CN113168708B (zh) | 车道线跟踪方法和装置 | |
JP2021527591A (ja) | オクルージョン認識プランニング | |
US11618444B2 (en) | Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior | |
US11353878B2 (en) | Soft-boundary based path optimization for complex scenes for autonomous driving vehicles | |
WO2022142592A1 (zh) | 一种车头先入的泊车方法、装置和系统 | |
US11106212B2 (en) | Path planning for complex scenes with self-adjusting path length for autonomous driving vehicles | |
US11718290B2 (en) | Methods and systems for safe out-of-lane driving | |
US20220017112A1 (en) | Systems and Methods for Generating Vehicle Corridors to Improve Path Planning Efficiency | |
CN112534483A (zh) | 预测车辆驶出口的方法和装置 | |
US20190163201A1 (en) | Autonomous Vehicle Sensor Compensation Using Displacement Sensor | |
US11880203B2 (en) | Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries | |
US20220219716A1 (en) | Methods and systems for monitoring vehicle motion with driver safety alerts | |
US11904906B2 (en) | Systems and methods for prediction of a jaywalker trajectory through an intersection | |
CN116261649A (zh) | 一种车辆行驶意图预测方法、装置、终端及存储介质 | |
US20230056589A1 (en) | Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles | |
CN114995519B (zh) | 一种基于多障碍场景的无人机ai降落方法及系统 | |
US20230043601A1 (en) | Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area | |
CN115705055A (zh) | 车辆的路径规划方法和控制装置 | |
US11731659B2 (en) | Determination of vehicle pullover location considering ambient conditions | |
US20220105940A1 (en) | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection | |
US20240011781A1 (en) | Method and system for asynchronous negotiation of autonomous vehicle stop locations | |
US20240124028A1 (en) | Autonomous vehicle blind spot management | |
WO2022133911A1 (zh) | 目标检测方法、装置、可移动平台及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |